[發明專利]一種基于聚類分割的果樹葉片生長參數提取方法及系統

有效

• 申請號: 201810911265.5
• 申請日: 2018-08-10
• 公開（公告）號: CN109166145B
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 劉剛;張偉潔;郭彩玲
• 申請（專利權）人: 中國農業大學
• 主分類號: G06T7/50
• 分類號: G06T7/50;G06T7/60;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

本發明提供了一種基于聚類分割的果樹葉片生長參數提取方法及系統，包括：對目標果樹冠層枝葉的點云數據進行超體聚類，并對得到的體素塊集合中的多個鄰接體素塊進行LCCP聚類得到第一聚類集合；采用動態K值對第一聚類集合中的任一點群進行Kmeans聚類得到第二聚類集合；根據第二聚類集合中各點群對應的點云數據，基于邊界提取分別獲取每一葉片的生長參數。通過對超體聚類得到的點群采用LCCP聚類分割后，進一步采用基于動態K值的Kmeans聚類算法，對聚類Kmeans算法的改進能夠自動獲取K值，克服了傳統算法中需人工設定K值的缺點，使得對目標果樹冠層枝葉的點云數據分割更完整、更徹底，進而提取到葉片生長參數更準確。

技術領域

本發明實施例涉及三維重建技術領域，更具體地，涉及一種基于聚類分割的果樹葉片生長參數提取方法及系統。

背景技術

果樹冠層作為果樹光合作用的主要場所，其枝葉形態結構以及空間分布直接影響果實的質量和產量，對果樹枝葉進行聚類分割并進一步對葉片的生長參數進行提取，能夠為果樹冠層形態結構分析和光照分布計算以及果樹整形修剪等提供理論基礎。國內外學者針對樹木點云數據處理以及生長參數提取方面開展了大量的工作，隨著三維激光掃描設備的生產數量增多和價格的降低，其能夠被逐漸應用到果樹建模領域中，對果樹空間信息的表達精準且快速。

通過三維激光掃描設備可獲取到大規模的場景點云數據，點云是在同一空間參考系下表達目標空間分布和目標表面特性的海量點的集合。為獲取高精度、低誤差的果樹冠層點云，點云獲取利用多站點掃描、后期處理的方法，并進行去噪、精簡等預處理。果樹冠層的生長過程復雜性較高，為了獲取單葉片點云，并對冠層每片葉片點云進行生長參數的提取，首要目標即完成葉片的聚類分割。

目前，針對樹體較大的果樹葉片聚類分割的研究相對較少，較多數的聚類分割方法是針對場景文件中獨立物體的分割，或對具有規則特征的平面、圓柱等的分割，少量針對果樹葉片的點云分割聚類方法也多傾向于葉片較大、數量較少、對生葉序的果樹，數據復雜性較低，對算法的魯棒性、適用性要求也相對降低。例如常見的蘋果樹，由于蘋果樹的葉片較小較緊密且生長葉序為旋生，生長參數的提取對葉片點云的完整性和細節描述要求較高，采用傳統的Kmeans算法、DBSCAN密度聚類算法、Region-growing區域生長算法得到的結果，不能得到完整單葉片，不適用于蘋果蘋果樹等的葉片較小較緊密且生長葉序為旋生的枝葉點云的聚類分割，進而導致提取到的葉片生長參數不準確。

對于葉片生長參數的提取方面，現有技術中大多采用投影法，將三維點云降維，轉換為二維圖像下求解最長、最短距離，作為葉長、葉寬，但忽略了葉片在空間條件下發生卷曲等特性，從而導致所得生長參數相較于真實值減小。

發明內容

本發明實施例提供了一種克服上述問題或者至少部分地解決上述問題的果樹冠層葉片生長參數提取方法及系統。

一方面本發明實施例提供了一種基于聚類分割的果樹葉片生長參數提取方法，包括：

對目標果樹冠層枝葉的點云數據進行超體聚類，得到由多個體素塊組成的體素塊集合；

對所述體素塊集合中的所述多個體素塊進行LCCP聚類，得到由多個點群組成的第一聚類集合；

采用第一預設數量作為K值對所述第一聚類集合中的任一點群進行Kmeans聚類，得到由所述第一預設數量的點群組成的第一聚類子集，根據所述第一聚類子集中每兩個點群對應的兩個中心點之間的距離與預設閾值之間的大小關系，確定第二預設數量，并采用所述第二預設數量作為K值對所述任一點群進行Kmeans聚類，得到由所述第二預設數量的點群組成的第二聚類子集；重復上述步驟直至得到由所述第一聚類集合中所有點群對應的第二聚類子集合并組成的第二聚類集合；其中，所述目標果樹冠層枝葉中不同葉片分別對應所述第二聚類集合中不同的點群；所述預設閾值通過所述目標果樹冠層枝葉的點云數據得到；

根據所述第二聚類集合中各點群對應的點云數據，分別獲取每一葉片的生長參數。